Granite Speech 5.0: Ses Dökümünde Hız, Dil Desteği ve Yerel Kullanım

Bir ses kaydını yazıya çevirmek, yalnızca sözcükleri doğru tanımak değildir. Toplantıda kimin konuştuğu, altyazının ne zaman göründüğü ve özel isimlerin nasıl yazıldığı da sonucu belirler. IBM’in 21 Ekim 2026 tarihli Granite Speech duyurusu bu ihtiyaçları üç ayrı modelle ele alıyor: doğruluk ve çeviri için yeni 5.0 2B, hızlı döküm için güncellenen TurboCTC ve konuşmacı etiketleriyle zaman bilgisi için yenilenen 4.1 2B Plus. Buradaki yenilik, her işi tek modelin çözmesi değil, farklı işlerin gerektirdiği tercihlerin daha belirgin hale gelmesi. IBM’in duyurusu bu ayrımın başlangıç noktası.

Türkiye’deki kullanıcılar için en önemli sınırı baştan koyalım: Bu modellerin yayımlanmış destek listelerinde Türkçe yok. İngilizce görüşmeleri, belirli Avrupa dillerindeki kayıtları veya Japonca içerikleri işleyenler için anlamlı seçenekler var; fakat Türkçe toplantıları güvenilir biçimde çözdükleri sonucu çıkarılamaz. Aşağıdaki değerlendirme, üreticinin duyurusu ve model kartlarına dayanıyor; bağımsız bir donanım ya da doğruluk testi yaptığımızı ileri sürmüyoruz.

Üç model, üç farklı öncelik

Granite Speech 5.0 2B, iki milyar parametreli bir konuşma-dil modeli. İngilizce, Fransızca, Almanca, İspanyolca, Portekizce ve Japonca ses dökümü destekliyor. Bu diller için İngilizce ile karşılıklı konuşma çevirisi; ayrıca İngilizceden İtalyanca ve Mandarin Çincesine çeviri açıklanıyor. Model kartındaki yayımlanma tarihi 20 Ekim, toplu duyurunun tarihi ise 21 Ekim 2026. Bu iki tarihi aynı olaymış gibi kullanmamak önemli. 5.0 2B model kartı kapsamı ve kurulum yollarını ayrıntılandırıyor.

Yeni model, önceki 4.1 2B sürümüne göre gürültü, yankı ve uzaktaki mikrofonla alınan konuşmalar konusunda iyileştirmeler vaat ediyor. İstemde giriş dilini belirtmek ve iki bin terime kadar anahtar sözcük listesi vermek mümkün. Ürün adları, kişi isimleri ve sektörel kısaltmalarla çalışan bir ekip için bu, yalnızca genel doğruluk puanından daha kullanışlı olabilir. Ancak listeye bir sözcük eklemek, modelin onu her bağlamda doğru duyacağı anlamına gelmez; listeyle ve listesiz sonuçları karşılaştırmak gerekir.

TurboCTC ise 470 milyon parametreyle hızlı ses dökümüne odaklanıyor. 21 Ekim güncellemesi İngilizcenin yanına Fransızca, Almanca, İspanyolca, Portekizce, İtalyanca ve Japoncayı ekliyor; noktalama ile büyük harf kullanımını da doğrudan çıktıya katıyor. Çeviri ile dökümü karıştırmamak gerekiyor: TurboCTC kartının temel kullanım alanı konuşmayı aynı dilde metne dönüştürmek. Daha küçük parametre sayısı da tek başına her cihazda sorunsuz çalışma garantisi değil.

4.1 2B Plus tarafındaki güncelleme, adındaki sürüm numarası değişmeden geliyor. Kart, ilk yayını 28 Nisan; ağırlık güncellemesini 19 Ekim 2026 olarak tarihlendiriyor. İngilizce, Fransızca, Almanca, İspanyolca ve Portekizce için konuşmacı etiketli döküm ve sözcük düzeyinde zaman bilgisi sunuyor. Dolayısıyla ailedeki Japonca veya İtalyanca desteğini Plus sürümüne otomatik olarak taşımamak gerek. Plus model kartı hangi görevde hangi istemin kullanılacağını gösteriyor.

Hız rakamlarını nasıl okumalı?

IBM’in duyurusundaki en dikkat çekici sayı, TurboCTC için 19.870 RTFx. Bu ölçüt, işlenen ses süresinin işlem süresine oranını ifade ediyor; tek başına canlı altyazı gecikmesi değil. Toplu işleme, donanım, ısınma ve derleme koşulları sonucu değiştirebilir. Bu nedenle rakamı bir dizüstü bilgisayarda aynı hızın elde edileceği ya da konuşma anında sıfır gecikmeyle metin görüneceği şeklinde yorumlamak yanlış olur.

Üstelik kaynaklar arasında önemli bir ayrıntı var: Duyuru performansı liderlik tablosu bağlamında anlatırken TurboCTC model kartı, yeni çok dilli modelin grafikteki hız-doğruluk noktasını resmî olmayan sonuç olarak işaretliyor; tablodaki kaydın hâlâ eski İngilizce sürüm olduğunu belirtiyor. Bu yazıda hız iddiasını bu nedenle bağımsızca doğrulanmış yeni bir sıralama gibi sunmuyoruz. Kartta verilen İngilizce ortalama sözcük hata oranı ise önceki sürümde yüzde 5,78 iken güncellemede yüzde 5,51; bu sonuç Türkçeye veya farklı kayıt koşullarına genellenemez.

Gerçek kullanım: İngilizce görüşmeden denetlenebilir döküme

Örnek olarak, uluslararası müşterilerle İngilizce görüşmeler yapan küçük bir destek ekibini düşünelim. Ekip yalnızca aranabilir metin istiyorsa önce TurboCTC’yi deneyebilir. Ürün adlarının doğru yazılması veya başka bir desteklenen dile çeviri gerekiyorsa 5.0 2B daha uygun adaydır. Hangi çalışanın hangi cümleyi söylediği önemliyse Plus değerlendirilmelidir. Bunlar ürün seçimine yönelik önerilerdir; aynı kayıt üzerinde yapılmış karşılaştırmalı test sonuçları değildir.

Denemeye temiz bir stüdyo kaydı yerine gerçek iş yükünü temsil eden örneklerle başlamak daha yararlı olur: yankılı oda, düşük kaliteli bağlantı, yabancı aksan, sessizlik ve üst üste konuşma içeren kısa parçalar seçilebilir. İnsan tarafından doğrulanmış referans metin hazırlanır; yanlış sözcükler yanında isim hataları, atlanan cümleler ve düzeltmeye harcanan süre kaydedilir. İyi görünen bir hata oranı, müşterinin adının sürekli yanlış yazılmasını telafi etmeyebilir.

5.0 2B kartı, en iyi sonuçlar için sesi yaklaşık iki dakikaya kadar parçalara ayırmayı öneriyor. Uzun bir toplantıyı tek istekle vermek yerine konuşma etkinliği algılama gibi yöntemlerle bölmek, ardından parçaların sınırlarını denetlemek gerekir. Plus için sözcük zamanları ayrıca işlenmelidir; kartın örneği zaman etiketlerini kullanılabilir zaman çizelgesine dönüştüren adımlar içeriyor. Çıktıyı doğrudan bitmiş bir altyazı dosyası saymak bu yüzden aceleci olur.

Maliyet ve lisans: Açık ağırlık, ücretsiz işletim değildir

Üç model de Apache 2.0 lisansıyla sunuluyor. Bu, kullanım ve dağıtım açısından geniş olanaklar sağlasa da lisansın bildirim ve diğer koşullarını ortadan kaldırmıyor. Ayrıca modelin lisansı, işlenen görüşmelerin kaydedilmesi veya yeniden paylaşılması için izin yerine geçmez. Kurumun ses verisi üzerindeki yetkileri ile yazılımı kullanma hakkı ayrı değerlendirilmelidir.

Yerel çalıştırmada maliyet; donanım, elektrik, depolama, kurulum ve insan kontrolünden oluşur. Barındırılan bir hizmet kullanılırsa bunun ayrıca fiyatlandırması olabilir; duyuruda tüm kurulumlar için geçerli sabit bir dakika ücreti verilmiyor. Karşılaştırmada yalnızca çıkarım süresine değil, bir saatlik kaydı kabul edilebilir doğrulukta teslim etmek için gereken toplam emeğe bakmak daha anlamlıdır. Daha hızlı model, daha fazla düzeltme gerektiriyorsa toplamda daha pahalı olabilir.

Kurulum yolu da modele göre değişiyor. 5.0 2B kartı Transformers, vLLM, llama.cpp ve Apple Silicon için mlx-audio örnekleri içeriyor. TurboCTC kartı yerel Transformers desteği için en az 5.16.0 sürümünü belirtiyor; Plus ise en az 5.8 gerektiriyor. Dolayısıyla eski bir ortamda yalnız model adını değiştirip aynı uyumluluğu beklememek gerekir. Bir denemede çalışan sürümleri ve model revizyonunu kaydetmek, sonraki güncellemeleri karşılaştırmayı kolaylaştırır.

Gizlilik, güvenlik ve erişilebilirlik sınırı

Yerel çalıştırma, sesin dışarıdaki bir çıkarım hizmetine gönderilmeden işlenmesine olanak sağlayabilir. Ancak bunu sağlayan şey modelin adı değil, kurulumun tamamıdır. Dosyaların eşitlendiği bulut klasörleri, uygulama günlükleri, yedekler ve ağ bağlantıları ayrıca kontrol edilmelidir. Görüşme kayıtlarını yalnız gerekli kişilerin erişebildiği yerde tutmak ve silme sürelerini belirlemek, model seçimi kadar önemlidir.

Konuşmacı etiketleri de kimlik doğrulama aracı değildir. Bir kayıtta “Konuşmacı 1” etiketi üretmek, o kişinin kimliğini kanıtlamaz; yanlış eşleştirme bir kararın yanlış kişiye atfedilmesine yol açabilir. Model kartlarının hatalı veya istenmeyen çıktı olasılığına ilişkin uyarıları bu nedenle pratik sonuç taşır. Önemli kararlar, tutanaklar ve müşteri taahhütleri için özgün ses kaydıyla insan kontrolü korunmalıdır.

Erişilebilirlikle somut bağlantı, desteklenen dillerdeki konuşmanın okunabilir metne ve zamanlanabilir altyazıya dönüştürülmesidir. İşitme engelli kullanıcılar açısından konuşmacının doğru belirtilmesi ve metnin sesle eşzamanlı olması anlamlıdır. Bununla birlikte otomatik döküm; konuşma dışı önemli sesleri, uygun satır bölünmesini ve gerekli bağlamı kendiliğinden eksiksiz sağlamaz. Türkçe desteği bulunmayan bu sürümleri Türkçe erişilebilir altyazı çözümü olarak önermek de doğru olmaz.

Sonuç: Önce dil, sonra görev, en son hız

Granite Speech güncellemesi, desteklenen dillerde ses işleyen ekipler için farklı ihtiyaçlara göre seçilebilen açık modeller sunuyor. Doğru başlangıç sorusu “En hızlısı hangisi?” değil, “Kaydımın dili destekleniyor mu ve çıktıda neye ihtiyacım var?” olmalı. Ardından gerçek örneklerle doğruluk, zamanlama, gizlilik ve toplam maliyet ölçülebilir. Türkçe odaklı ekipler içinse mevcut destek sınırı belirleyici; duyurunun heyecanı bu boşluğu kapatmıyor.

Birincil kaynaklar

• IBM Granite Speech duyurusu — 21 Ekim 2026: ailedeki yenilikler ve üretici performans iddiaları.
• Granite Speech 5.0 2B model kartı: diller, çeviri, anahtar sözcükler, lisans ve kullanım koşulları.
• Granite Speech 5.0 TurboCTC model kartı: çok dilli güncelleme, değerlendirme kapsamı ve kurulum.
• Granite Speech 4.1 2B Plus model kartı: konuşmacı etiketleri, zaman bilgisi ve sınırlamalar.

Kaynak kontrol tarihi: 23 Ekim 2026. Performans sayıları aksi belirtilmedikçe üreticinin değerlendirmeleridir.